جواد عین آبادی

معامله گری در بازارهای مالی با نرخ شکست بالایی همراه است که ادبیات پژوهشی، ریشه های آن را بیش از دانش فنی، در عوامل روانشناختی و فقدان انضباط معاملاتی جستجو می کند. در حالی که راهکارهای فناورانه (فین تک) به عنوان ابزاری برای کاهش خطاهای انسانی مطرح شده اند، تأثیر تجربی آن ها بر ابعاد روان شناختی معامله گر کمتر مورد سنجش قرار گرفته است. هدف اصلی این پژوهش، بررسی کمی و آماری این رابطه بود. این تحقیق با روش توصیفی-همبستگی، به سنجش نقش ابزارهای فین تک در بهبود کنترل هیجانات و انضباط معاملاتی پرداخت. داده ها با استفاده از پرسشنامه از نمونه ای متشکل از ۱۰۰ معامله گر فعال در بازارهای فارکس و ارزهای دیجیتال گردآوری گردید. نتایج حاصل از تحلیل مدل سازی معادلات ساختاری (SEM) نشان داد که استفاده از ابزارهای فین تک، رابطه مثبت و معناداری با افزایش کنترل هیجانات و بهبود انضباط معاملاتی دارد. این یافته ها شواهد تجربی فراهم می کند که فین تک می تواند به مثابه یک «لنگر رفتاری» خارجی، با ساختارمند کردن فرآیند تصمیم گیری و ارائه بازخورد عینی، به معامله گران در پایبندی به استراتژی هایشان کمک کند، مشروط بر آنکه بر پایه ی یک استراتژی معاملاتی معتبر به کار گرفته شود. نوآوری این پژوهش در ارائه شواهد کمی برای پیوند میان مبانی نظری مالی-رفتاری و راهکارهای فناورانه است که شکاف تحقیقاتی موجود را از طریق آزمون یک مدل تجربی پر می کند.

این پژوهش به تحلیل ارزش و ریسک استارتاپ های ایرانی در مواجهه با عدم قطعیت های مالی و عملیاتی می پردازد. هدف مطالعه، ارائه چارچوبی ریسک محور و واقع بینانه برای ارزش گذاری استارتاپ ها و حمایت از تصمیم گیری سرمایه گذاران و بنیان گذاران است. در این تحقیق، داده های کمی از ۱۰ تا ۲۰ استارتاپ منتخب در حوزه های فناوری اطلاعات، خدمات دیجیتال، تجارت الکترونیک، فناوری مالی و سلامت دیجیتال جمع آوری شد. متغیرهای کلیدی شامل درآمد، نرخ رشد، Burn Rate، CAC، نرخ ریزش مشتری (Churn)، ارزش طول عمر مشتری (LTV) و حاشیه سود EBITDA مدل سازی شدند. برای تحلیل عدم قطعیت ها، شبیه سازی مونت کارلو با ۱۰۰۰ تکرار اجرا شد و توزیع های احتمالی جریان نقدی و ارزش خالص فعلی (NPV) استارتاپ ها استخراج گردید. تحلیل حساسیت و نمودار Tornado نشان داد که نرخ رشد درآمد، CAC و Burn Rate بیشترین تأثیر را بر ارزش و ریسک استارتاپ ها دارند. همچنین، سناریوهای بدبینانه، پایه و خوش بینانه دامنه احتمالات ارزش و احتمال کمبود نقدینگی را روشن کردند. نتایج نشان می دهد که استفاده از تحلیل probabilistic و مدل های Real Options امکان برنامه ریزی مرحله ای و مدیریت انعطاف پذیر را فراهم می کند، ریسک سرمایه گذاری را کاهش می دهد و تصمیمات سرمایه گذاران و بنیان گذاران را آگاهانه تر می سازد. یافته ها تأکید می کنند که مدل های پیشرفته ارزش گذاری، تحلیل سناریو و ابزارهای ریسک، ابزارهای مؤثری برای مدیریت عدم قطعیت در اکوسیستم استارتاپی هستند و می توانند پایه ای برای پژوهش های آینده با بهره گیری از هوش مصنوعی و داده های بلادرنگ فراهم کنند.

تحولات سریع در حوزه فناوری های مالی، به خصوص پیشرفت های چشمگیر در بلاک چین، باعث شده ساختارهای سنتی نظام پولی با چالش ها و فرصت های تازه ای روبرو شوند. در این میان، ارزهای دیجیتال بانک مرکزی ، به عنوان نوآوری های کلیدی و استراتژیک، توجه زیادی از سوی سیاست گذاران مالی در سطح جهان به خود جلب کرده اند. این ارزها که توسط نهادهای مرکزی صادر می شوند، ظرفیت بالایی برای افزایش شفافیت مالی، کاهش هزینه های تراکنش ها و ساده تر کردن نظارت بر جریان نقدینگی دارند. در این مقاله، تمرکز ما بر بررسی قابلیت ها و ظرفیت های بلاک چین ترکیبی در طراحی و اجرای CBDC است. بلاک چین هیبریدی با ترکیب ویژگی های بلاک چین های عمومی و خصوصی، شرایط مناسبی برای ایجاد تعادل بین شفافیت عمومی و کنترل مرکزی فراهم می کند. همچنین، با الهام از مدل پیشنهادی در پایان نامه کارشناسی ارشد با عنوان ثبات، ساختاری سه لایه متشکل از پشتوانه طلا، ضمانت نامه های بانکی و زیرساخت فناورانه تحلیل شده است. روش تحقیق مبتنی بر رویکرد ترکیبی و تکنیک دلفی بوده و با همکاری ۱۴ نفر از خبرگان حوزه های حقوق، اقتصاد و فناوری اطلاعات انجام شده است. نتایج نشان می دهد که استفاده از بلاک چین ترکیبی نه تنها می تواند چارچوبی امن و انعطاف پذیر برای انتشار و مدیریت CBDC ایجاد کند، بلکه با تلفیق پشتوانه های فیزیکی مانند طلا، به افزایش اعتماد عمومی و پایداری مالی نیز کمک می کند. بنابراین، مدل بومی ثبات می تواند به عنوان الگویی عملیاتی برای کشورهایی با شرایط اقتصادی مشابه ایران، مورد استفاده قرار گیرد.

هدف پروهش: این مطالعه با هدف بررسى عرضه اولیه سهام وقیمت کذارى زیر ارزش واقعى و عملکرد بلندمدت عرضه هاى اولیه سهام شرکت هاى پتروشیمى و پالایشى دولتى واکذار شده در جارجوب سیاست هاى کلى اصل ۳۳ انجام شده است. در این راستا، سازوکار تعیین قیمت این شرکتها در روز عرضه با شرکت هاى دولتى دیکر ونیز شرکت هاى پتروشیمى و پالایشى بخش خصوصى مقایسه مى شود تا نحوه قیمت کذارى أنها در فرایند عرضه اولیه مورد ارزیابى قرار کیرد. روش تحقیق : براى سنجش بازده کوتاهمدت، بازهى یازده روزه "بازده غیر عادى انباشته (CAR) "در نظر کرفته شد و براى نحلیل بلندمدت از معیار "بازده غیر عادى خرید ونکهدارى (BHAR) "در بازمى یازده ماهه بهره کرفته شد. در تحلیل دادهها از روش هاى کمى استفاده شد و براى آزمون فرضیهها، آزمون 'T تکنمونهاى و آزمون 'T مستقل پیاده سازى کردید. یافتهها: نتایج نشان مى دهد که در کوتاهمدت، شرکت هاى پتروشیمى و پالایشى دولتى واکذار شده بازده غیر عادى مثبت و معنادار داشته اند که به مراتب از بازده غیر عادى شرکت هاى دولتى دیکر و شرکت هاى خصوصى فعال در همین حوزه بالاتر است. اکرجه بازده غیر عادى بلندمدت این شرکتها نیز مثبت بوده، اما تفاوت معنادارى با بازده بلندمدت شرکت هاى مقایسهاى (جه دولتى و جه خصوصى) نشان نمى دهد. همجنین عملکرد تعدیل شدهى بازده در هر دوافق زمانى کوتاهمدت وبلندمدت تأیید مى کندکه بخش عمده بازده حاصل از عرضه هاى اولیه، ناشى از قیمت کذارى زیر ارزش واقعى سهم بوده است. نتیجه کیرى: در بازار سرمایه ایران، پدیدهن قیمت کذارى زیر ارزش واقعى در عرضه هاى اولیه بیش از قیمت کذارى بیش از ارزش به حشم مى خورد. اصلى ترین دلیل این امر وجود "دامنه نوسان قیمتى" است که مانع از رشد قابل توجه قیمت سهم در روز عرضه مى شود. بنابراین، قانون کذار در بازنکرى مقررات عرضه عمومى اولیه نباید صرفاً بر ممانعت از قیمت کذارى بیش از حد در بازار ثانویه متمرکز شود، بلکه توجه ویرهاى باید به نحوه کاهش قیمت کذارى کمتر از ارزش واقع شود تا از بازدهى غیر عادى کوتاهمدت ناشى از تخفیف بیش از حد عرضهها جلوکیرى کردد.

این پژوهش با هدف طراحی و توسعه مدل اعتبارسنجی تعاملی در صنعت لیزینگ ایران انجام شده است تا اثر هم زمان مدت قرارداد و نرخ بازپرداخت بر ریسک اعتباری مشتریان با دقت بیشتری سنجیده شود. ضرورت این مطالعه از آنجا ناشی می شود که ادبیات رایج اعتبارسنجی، چه در قالب مدل های آماری نظیر لاجیت و رگرسیون های کلاسیک و چه در چارچوب کارت های امتیازدهی و روش های یادگیری ماشین، غالباً بر اثرات منفرد متغیرها تکیه دارد و کمتر به برهم کنش های ساختاری میان شاخص های قراردادی توجه کرده است؛ در حالی که تصمیمات اعتباری شرکت های لیزینگ به صورت عملی از ترکیب همزمان پارامترهای مدت و شدت بازپرداخت متاثر می شوند.مطالعه حاضر با رویکردی بومی و تطبیقی نسبت به مدل های معتبر جهانی، تلاش کرده است شکاف مزبور را پوشش دهد و چارچوبی ارائه کند که به طور مشخص بر ضریب تعاملی حاصل ضرب مدت قرارداد و نرخ بازپرداخت تمرکز دارد.پژوهش حاضر کاربردی و کمی است و داده های ۱۱۳۶ قرارداد لیزینگ فعال در شرکت های ایران خودرو، پارسیان، ملت و کارآفرین طی دوره ۱۳۹۸ تا ۱۴۰۲ را تحلیل می کند. پس از پاکسازی، اعتبارسنجی و کدگذاری متغیرها، ریسک اعتباری به صورت شاخصی از احتمال نکول و رفتار بازپرداخت عملیاتی سازی شد. روش تحلیل، رگرسیون چندگانه تعدیل شده است که علاوه بر اثرات اصلی مدت قرارداد و نرخ بازپرداخت، ضریب تعاملی آنها نیز به عنوان شاخص اثر مشترک وارد شد. افزون بر این، کنترل های لازم برای ویژگی های قراردادی و مشتریان در مدل منظور گردید تا برآوردها از سوگیری های متعارف مصون بمانند. یافته ها نشان می دهد مدت قرارداد با ریسک اعتباری رابطه ای مثبت دارد و افزایش طول دوره به طور معنادار احتمال بروز رفتارهای پرریسک را تقویت می کند؛ در مقابل، نرخ بازپرداخت با ریسک اعتباری رابطه ای منفی دارد و شدت بالاتر پرداخت ها به کاهش ریسک منجر می شود. مهم تر آنکه ضریب تعامل میان این دو متغیر به طور معنادار منفی است (β₄ = −0.192، Sig=0.001 )و مدل توانسته است حدود ۶۱ درصد از واریانس ریسک اعتباری را توضیح دهد. این نتیجه به روشنی نشان می دهد که در قراردادهای بلندمدت،تعیین نرخ بازپرداخت بالا قادر است اثر افزایشی مدت بر ریسک را نه تنها جبران، بلکه به طور قابل ملاحظه ای کاهش دهد. به بیان دیگر، اثر ترکیبی «طول × شدت» دارای ماهیتی غیرخطی و سیاست پذیر است و استفاده از الگوهای تعاملی نسبت به ارزیابی جداگانه متغیرها، دقت پیش بینی نکول را افزایش می دهد. از منظر مدیریتی، پیامدهای پژوهش حاکی از آن است که شرکت های لیزینگ باید در طراحی سبد محصولات اعتباری، قیمت گذاری ریسک و تخصیص منابع مالی، به تنظیم هم زمان مدت و نرخ بازپرداخت توجه کنند؛ به ویژه در قراردادهای با دوره های طولانی، سیاست نرخ های بازپرداخت قوی (به همراه ابزارهای انگیزشی و جریمه های رفتاری) می تواند پروفایل ریسک رابه نحو معناداری بهبود دهد. همچنین، پیاده سازی کارت های امتیازدهی با مؤلفه های تعاملی و بازتنظیم مقررات داخلی اعتبارسنجی بر مبنای نتایج این مدل، توصیه می شود. از حیث نوآوری، مدل تعاملی پیشنهادی خلأ مهمی را در ادبیات ایرانی پر می کند و با تکیه بر داده های واقعی صنعت، چارچوبی قابل انتقال برای بهبود دقت پیش بینی و تصمیم گیری اعتباری ارائه می دهد. در نهایت، پیشنهاد می شود مطالعات آتی با افزودن متغیرهای رفتاری، آزمون های پایداری در زیر بازارها و مقایسه با الگوریتم های پیشرفته یادگیری ماشین، ظرفیت تعمیم و کارایی مدل را بیش از پیش ارزیابی کنند.